基于改进水量-能量空间坐标分解法的黄河流域实际蒸散发变化归因分析

为探究气候变化和人类活动对黄河流域蒸散发的影响程度,研究基于最新的ERA5-Land数据,分析了黄河流域1961—2020年蒸散发及相关要素的时空演变特征。结合改进的水量-能量空间坐标分解法对实际蒸散发变化进行定量归因。结果表明,改进的水量-能量空间坐标分解法原理更加清晰,计算简单,可操作性更强。1961—2020年黄河流域实际蒸散发量和降水量均呈现显著减少趋势,减少率分别为4.5和15.9 mm/10a,而潜在蒸散发量和干燥指数则表现出显著增加趋势,增加率分别为24.4 mm/10a和0.078/10a。实际蒸散发量的减少主要集中在黄河中、下游地区,而黄河源区有一定的增加趋势。定量归因结果显示,气候变化导致实际蒸散发量减少,贡献率为79%,而下垫面变化造成实际蒸散发量增加,贡献率为21%,因此,气候变化是黄河流域实际蒸散发变化的主要驱动因素。此外,研究期望为黄河流域未来的水资源开发利用和高质量发展提供科学参考。

基于深度学习的威胁情报领域命名实体识别

为了从来源不同的威胁情报中提取关键信息,方便政府监管部门开展安全风险评估,针对威胁情报文本中英文混杂严重以及专业词汇生僻导致识别困难的问题,在BiGRU-CRF模型基础上,提出了一种融合边界特征以及迭代膨胀卷积神经网络(IDCNN)的威胁情报命名实体识别方法.该方法根据人工构造的规则词典将边界清晰的实体例如英文单词进行转化以减少模型在处理较长文本时容易造成的信息损失,通过IDCNN和双向门控循环单元(BiGRU)进一步提取了文本的局部和全局特征.通过在威胁情报语料库上进行实验,结果表明所提的方法模型在相关评价指标上均优于其他模型,F值达到87.4%.

基于部分卷积和多尺度特征融合的人脸图像修复模型

针对破损区域较大的人脸图像,修复后图像存在局部色差、边界伪影和细节缺陷等问题,提出基于部分卷积和多尺度特征融合的人脸图像修复模型。该模型主要分为多尺度修复网络和判别器网络。修复网络通过多级特征提取模块和主分支模块,有效融合深层和浅层的图像特征,实现了人脸图像的特征提取和融合。此外,构建由内容损失、感知损失、风格损失、总变分损失和对抗损失组成的联合损失函数,用于训练多尺度修复网络,并通过与判别器网络的相互对抗,提高修复图像与真实图像的视觉一致性。实验结果表明,对于不同的掩膜率,采用该模型修复的图像具有合理的纹理结构和上下文语义信息,并在定性和定量比较上表现更好。

基于改进的IHS、PCA和小波变换的遥感图像融合算法

文章提出了基于改进的IHS、PCA和小波变换的遥感图像融合算法,提高融合图像的空间分辨率和光谱分辨率,首先对多光谱图像进行PCA变换,使其维度降低,减少信息损失,将原始图像数据中有效的主要信息用主成分PC1、PC2、PC3表示。接着对主成分进行IHS变换得到I、H、S分量,之后将强度分量I与全色图像进行直方图优化求解得到new PAN,最后对new PAN和强度分量I进行小波分解。利用PCA对多光谱图像操作后再进行IHS变换,弥补了传统IHS算法只能处理三个波段多光谱图像的缺陷,增加了处理的波段数,而且PCA融合算法的光谱保持度较高,该算法将IHS、PCA、小波变换三种融合算法相结合,利用各个算法的优势,最大程度地减少替换成分相关性不高造成的光谱扭曲,克服小波变换融合过程中产生的细节信息畸变问题。